Biosignal Processing II
|
|
- Minna Weber
- vor 5 Jahren
- Abrufe
Transkript
1 Biosignal Processing II LEARNING OBJECTIVES Describe the main purposes and uses of the Fouriertransforms. Describe the basic properties of a linear system. Describe the concepts of signal filtering. FOURIERREIHE Ein beliebiges periodisches Signal, oder auch eine beliebige Funktion (über ein bestimmtes Intervall) kann mathematisch als Summe von trigonometrischen Funktionen (Fourierreihe) approximiert werden. Eine Fourierreihe beschreibt auch welche Frequenzen in welchem Verhältnis in einem Signal enthalten sind. Grundsätzlich habe ich unendliche viele Terme die aufsummiert den Funktionswert des ursprünglichen Signals/ der ursprünglichen Funktion ergeben (unendliche Summe). Um einen Funktionswert zu erhalten wähle ich also ein gewisse Anzahl Terme N (partial Sum) welche ich addiere. Je mehr Terme addiert werden (je grösser N) desto genauer die Approximation. Beispiele von biologischen Signalen welche mit Fourierreihen dargestellt werden können: Herzschlag Sprache Alternativen/Modifkation der Fourierreihe Das Erste ist eine Vereinfachung. Die exponentielle Fourierreihe ist etwas einfacher zu rechnen. (Man bemerke die Eulerschen Gleichungen welche hier aufgelistet sind). 1
2 Fouriertransformation Transformiere Fourierreihe von Zeitdomäne in Frequenzdomäne und umgekehrt. In der Frequenzdomäne kann ich einfach ablesen, welche Frequenz zu welchem Anteil (Amplitude) im Signal versteckt ist. Von Zeitdomäne in die Frequenzdomäne Inverse Fouriertransformation (IFT) Von Frequenzdomäne in Zeitdomäne Eigenschaften der Fouriertransformation Transformationsregeln 2
3 ANWENDUNG DER FOURIERTRANSFORMATION Erkennen von congestive heart failure (CHF) aufgrund der HRV Herzfrequenzvariabilität. Ich untersuche die Herzschläge indem ich sie von der Zeitdomäne in die Frequenzdomäne transformiere. Eine tiefe HRV wird in den Zusammenhang gebracht mit CHF also untersuche ich die Fourietransformierte auf unterschiedliche Frequenzen. Je mehr unterschiedliche Frequenzen vorhanden sind, desto höher die Herzfrequenzvariabilität (HVR). Wobei eine hohe HVR gesund ist und eine tiefe HVR ein «congestive heart failure» (CHF) ankündigen kann. LF/HF an sondern auf die absoluten Werte. In der Abbildung links kann man weiter sehen, dass ein hoher absoluter Wert an tiefen Frequenzen (LF) positiv ist. Wichtig ist, es kommt nicht auf das Verhältnis HRV ist ein nicht invasives Tool um das autonome Nervensystem zu testen und ist mit verschiedenen Krankheiten assoziiert (diabetes, coronary artery disease). Das autonome Nervensystem steuert im Allgemeinen unbewusste physiologische Funktionen: Verdauung, Herzschlag, Atmung etc. DISKRETE FOURIERTRANSFORMATION Eine «normale» Fouriertransformation wird auf ein kontinuirliches Signal angewandt. Da wir aber durch die A/D Konvertierung ein diskretes digitales Signal haben, brauchen wir neu auch die disrkete Fouriertransformation. INVERSE DISKRETE FOURIERTRANSFORMATION 3
4 FAST FOURIER TRANSFORMATION (FTT) Ist ein effizienter Computeralgorithmus zur schnellen Berechnung der DFT. Beispiel DAS FALTUNGSTHEOREM Im Allgemeinen gilt, die Multiplikation zweier Funktionen ist viel schwieriger zu berechnen in der Zeitdomäne als in der Frequenzdomäne. Es bietet sich also unter Umständen an, die Funktionen in die Frequenzdomäne zu transformieren, zu multiplizieren und wieder zurück zu transformieren. LINEARE SYSTEME Ein System beschreibt den Zusammenhang zwischen Input und Output In der Natur sind die allermeisten Systeme nicht linear, werden aber mit einem Linearen System approximiert. Lineare Systeme sind charakterisiert durch Superposition und «Scaling». Superposition ist in der Gleichung unten durch das + gezeigt. Scaling durch die Faktoren k 1, k 2. o Superposition: Der Output der Kombination zweier unabhängiger Inputs (x 1, x 2 ) kann berechnet werden durch die Summe der jeweiligen Outputs (y 1, y 2 ). o Scaling: Höherer Input (k 1 x 1 ) produziert einen entsprechend höheren Output (k 1 y 1 ) (und umgekehrt) Lineares System mit periodischen Signalen Periodische Signale bestehen wie vorher besprochen aus Addition von trigonometrischen Funktionen. Angenommen wir haben ein Lineares System, so wird bei periodischem Input wohl auch der Output periodisch sein. Dabei wird das Lineare System beschrieben durch die Transfer Funktion, 4
5 welche einerseits eine Skalierung beinhaltet ( H m ) und andererseits eine Phasenverschiebung H m. Die Phasenverschiebung entspricht dem verschieben einer Kurve (nach links oder nach rechts) und die Skalierung einer Verzerrung (Amplitude wird grösser oder kleiner). Links findet man die Definition der Transferfunktion. Wobei A m, B m Amplituden sind und θ m, φ m Winkel darstellen. IMPULSE RESPONSE Die Transferfunktion die wir vorhin besprochen haben wird in der Zeitdomäne angewandt. Bei der Impulse Response ist unsere Funktion zeitabhängig (h(t)). Um den Output y(t) zu berechnen müssten wir die beiden Funktionen (h(t), x(t)) in der Zeitdomäne «aufwendig» multiplizieren Faltungsintegral (zu Erkennen in der Abbildung unten in der ersten Zeile) Einfacher ist es hier beide Funktionen in die Frequenzdomäne zu transformieren (Fourier Transformation) und einfach zu multiplizieren. Convolution Theorem es ist einfacher in der Frequenzdomäne zu arbeiten. FILTERS Filter sind spezielle lineare Systeme die nichts anderes machen als gewisse Frequenzen auf 0 zu skalieren bzw. abzublocken und andere durchzulassen also auf 1 zu skalieren. Mit Filtern kann man einerseits verschiedene Komponenten (Frequenzen) eines Signals rausnehmen, bspws das Rauschen beim EKG, oder aber auch einen Threshold konstruieren. Threshold meint, erst ab einer gewissen Intensität gibt es auch einen Output. Low-pass filter Lässt alle tiefen (low pass) Frequenzen durch, und entfernt die hohen Frequenzen. (Wir oftmals in biologischen Systemen verwendet, da «noise» meistens hohe Frequenzen sind) 5
6 High-pass filter Genau das Gegenteil, hohe Frequenzen (high pass) kommen durch, tiefe warden entfernt. Band-pass filter Lasse Frequenz in gewünschtem Bereich W 1, W 2 durch. 6
Biosignal Processing I
Biosignal Processing I LEARNING OBJECTIVES Describe different origins and types of biosignals Distinguish between deterministic (periodic/transient) and random signals Explain the process of A/D conversion
Mehr3.3 Das Abtasttheorem
17 3.3 Das Abtasttheorem In der Praxis kennt man von einer zeitabhängigen Funktion f einem Signal meist nur diskret abgetastete Werte fn, mit festem > und ganzzahligem n. Unter welchen Bedingungen kann
MehrBiosignalverarbeitung (Schuster)
Biosignalverarbeitung (Schuster) 9. FOURIER - TRANSFORMATION: 4 Ausprägungen der Transformation: Zeitbereich Frequenzbereich Laplace-Transformation Fourier-Transformation kontinuierlicher Signale (FT,
MehrAngewandte Mathematik und Programmierung
Angewandte Mathematik und Programmierung Einführung in das Konzept der objektorientierten Anwendungen zu mathematischen Rechnens SS2013 Inhalt Fourier Reihen Sehen wir in 2 Wochen Lösung der lin. Dgln.
Mehr2.2 Kollineare und koplanare Vektoren
. Kollineare und koplanare Vektoren Wie wir schon gelernt haben, können wir einen Vektor durch Multiplikation mit einem Skalar verlängern oder verkürzen. In Abbildung 9 haben u und v die gleiche Richtung,
Mehr2. Fourier-Transformation
2. Fourier-Transformation Die Fourier-Transformation ist ein wichtiges Hilfsmittel für die dynamische Analyse linearer Systeme: Die Fourier-Transformierte der Antwort ist gleich dem Produkt der Fourier-Transformierten
Mehrx[n-1] x[n] x[n+1] y[n-1] y[n+1]
Systeme System Funtion f, die ein Eingangssignal x in ein Ausgangssignal y überführt. zeitdisretes System Ein- und Ausgangssignal sind nur für disrete Zeitpunte definiert y[n] = f (.., x[n-1], x[n], x[n+1],
MehrMathematik, Signale und moderne Kommunikation
Natur ab 4 - PH Baden Mathematik, Signale und moderne Kommunikation 1 monika.doerfler@univie.ac.at 29.4.2009 1 NuHAG, Universität Wien monika.doerfler@univie.ac.at Mathematik, Signale und moderne Kommunikation
MehrSysteme II 8. Die physikalische Schicht (Teil 4)
Systeme II 8. Die physikalische Schicht (Teil 4) Thomas Janson, Kristof Van Laerhoven*, Christian Ortolf Folien: Christian Schindelhauer Technische Fakultät : Rechnernetze und Telematik, *: Eingebettete
MehrProgrammierung und Angewandte Mathematik
Programmierung und Angewandte Mathematik C++ /Scilab Programmierung und Einführung in das Konzept der objektorientierten Anwendungen zu wissenschaftlichen Rechnens SS 2012 Inhalt Steckbrief der Funktion
Mehr5. Fourier-Transformation
Fragestellungen: 5. Fourier-Transformation Bei Anregung mit einer harmonischen Last kann quasistatitisch gerechnet werden, wenn die Erregerfrequenz kleiner als etwa 30% der Resonanzfrequenz ist. Wann darf
MehrMathematischer Vorkurs für Physiker WS 2012/13: Vorlesung 1
TU München Prof. P. Vogl Mathematischer Vorkurs für Physiker WS 2012/13: Vorlesung 1 Komplexe Zahlen Das Auffinden aller Nullstellen von algebraischen Gleichungen ist ein Grundproblem, das in der Physik
MehrSystemtheorie Teil A. - Zeitkontinuierliche Signale und Systeme - Musterlösungen. Manfred Strohrmann Urban Brunner
Systemtheorie Teil A - Zeitkontinuierliche Signale und Systeme - Musterlösungen Manfred Strohrmann Urban Brunner Inhalt 6 Musterlösungen Spektrum von Signalen 6. Approximation eines periodischen Signals
Mehr,Faltung. Heavisidefunktion σ (t), Diracimpuls δ (t) Anwendungen. 1) Rechteckimpuls. 2) Sprungfunktionen. 3) Schaltvorgänge
Heavisidefunktion σ (t), Diracimpuls δ (t),faltung Definition Heavisidefunktion, t > 0 σ ( t) = 0, t < 0 Anwendungen ) Rechteckimpuls, t < T r( t) = = σ ( t + T ) σ ( t T ) 0, t > T 2) Sprungfunktionen,
MehrÜbung: Computergrafik 1
Prof. Dr. Andreas Butz Prof. Dr. Ing. Axel Hoppe Dipl.-Medieninf. Dominikus Baur Dipl.-Medieninf. Sebastian Boring Übung: Computergrafik 1 Fouriertransformation Organisatorisches Neue Abgabefrist für Blatt
Mehr5. Fourier-Transformation
5. Fourier-Transformation 5.1 Definition 5.2 Eigenschaften 5.3 Transformation reeller Funktionen 5.4 Frequenzbereich und Zeitbereich 2.5-1 5.1 Definition Definition: Die Fourier-Transformation einer Funktion
MehrBildverarbeitung: Fourier-Transformation. D. Schlesinger () BV: Fourier-Transformation 1 / 16
Bildverarbeitung: Fourier-Transformation D. Schlesinger () BV: Fourier-Transformation 1 / 16 Allgemeines Bilder sind keine Vektoren. Bilder sind Funktionen x : D C (Menge der Pixel in die Menge der Farbwerte).
MehrAls Summendarstellung der komplexen Zahl bezeichnen wir den bekannten Ausdruck
A.1 MATHEMATISCHE GRUNDLAGEN In diesem Abschnitt werden die mathematischen Grundlagen zusammengestellt, die für die Behandlung von Übertragungssystemen erforderlich sind. Unter anderem sind dies die komplexen
MehrDatenaquisition. Verstärker Filter. Sensor ADC. Objekt. Rechner
Datenaquisition Sensor Verstärker Filter ADC Objekt Rechner Datenaquisition Verstärker: - linearer Arbeitsbereich - linearer Frequenzgang - Vorkehrungen gegen Übersteuerung (trends, shot noise) - Verstärkerrauschen
MehrÜbung 3: Fouriertransformation
ZHAW, SiSy HS202, Rumc, Übung 3: Fouriertransformation Aufgabe Fouriertransformation Dirac-Impuls. a) Bestimmen Sie die Fouriertransformierte S(f) des Dirac-Impulses s(t) = δ(t) und interpretieren Sie
MehrBildverarbeitung. Bildvorverarbeitung - Fourier-Transformation -
Bildverarbeitung Bildvorverarbeitung - Fourier-Transformation - 1 Themen Methoden Punktoperationen / Lokale Operationen / Globale Operationen Homogene / Inhomogene Operationen Lineare / Nichtlineare Operationen
MehrZusammenfassung : Fourier-Reihen
Zusammenfassung : Fourier-Reihen Theorem : Jede (nicht-pathologische) periodische Funktion läßt sich schreiben als "Fourier-Reihe" der Form: Vorzeichen ist Konvention, in Mathe : + Fourier-Transformation
MehrSiSy1, Praktische Übung 3. Fourier-Analyse (periodischer Signale) kann als Fourier-Reihe 1 beschrieben werden:
/5 Fourier-Analyse (periodischer Signale) Grundlagen Ein periodisches, kontinuierliches Signal x(t) der Periodendauer kann als Fourier-Reihe beschrieben werden: wie folgt ( ) = c k x t + e j k 2πf t k=
MehrFourier-Transformation
ANHANG A Fourier-Transformation In diesem Anhang werden einige Definitionen Ergebnisse über die Fourier-Transformation dargestellt. A. Definition Theorem & Definition: Sei f eine integrable komplexwertige
MehrBiosignalverarbeitung
Peter Husar Biosignalverarbeitung Springer Inhaltsverzeichnis 1 Entstehung bioelektrischer Signale 9 1.1 Das Neuron 9 1.2 Elektrische Erregungsleitung und Projektion 15 2 Verstärkung und analoge Filterung
MehrSpektralanalyse. Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann!
Spektralanalyse Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann! Mit der Spektralanalyse können wir Antworten auf folgende Fragen bekommen:
MehrGanzrationale Funktionen
Eine Dokumentation von Sandro Antoniol Klasse 3f Mai 2003 Inhaltsverzeichnis: 1. Einleitung...3 2. Grundlagen...4 2.1. Symmetrieeigenschaften von Kurven...4 2.1.1. gerade Exponenten...4 2.1.2. ungerade
MehrFOURIERREIHEN. a) Periodische Funktionen. 3) Rechteckschwingung. b) Stückweise stetige Funktionen. Skizze= Sägezahnschwingung
FOURIERREIHEN 1. Grundlagen a) Periodische Funtionen Beispiele: 1) f( x) = sin( x+ π / 3), T = 2 π /. 2) f( t) = cos( ωt+ ϕ), T = 2 π / ω. 3) Rechtecschwingung, 1< t < f() t =, f( t+ 2) = f() t 1, < t
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004
4 Signalverarbeitung 4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrVom Zeit- zum Spektralbereich: Fourier-Analyse
Vom Zeit- zum Spektralbereich: Fourier-Analyse Ergebnis der Analyse Zerlegung eines beliebigen periodischen Signals in einem festen Zeitfenster in eine Summe von Sinoidalschwingungen Ermittlung der Amplituden
MehrFunktionen und andere Zuordnungen
Funktionen und andere Zuordnungen Rainer Hauser November 2011 1 Allgemeine Zuordnungen 1.1 Pfeildarstellung von Zuordnungen Sätze wie Das ist der Schlüssel zu diesem Schloss und Hänsel ist der Bruder von
MehrWavelets made easy Yves Nievergelt
Wavelets made easy Yves Nievergelt Kapitel 1 - Haar s Simple Wavelets Das erste Kapitel Haar s Simple Wavelets aus dem Buch Wavelets made easy von Yves Nievergelt behandelt die einfachsten Wavelets und
MehrLineare Gleichungssystem
Lineare Gleichungssystem 8. Juli 07 Inhaltsverzeichnis Einleitung Der Gauß-Algorithmus 4 3 Lösbarkeit von Gleichungssystemen 6 Einleitung Wir haben uns bisher hauptsächlich mit dem Finden von Nullstellen
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004
4 Signalverarbeitung 4.1! Grundbegriffe! 4.2! Frequenzspektren, Fourier-Transformation! 4.3! Abtasttheorem: Eine zweite Sicht Weiterführende Literatur (z.b.):!! Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrSpektrale Analyse Fourier Transformation
Spektrale Analyse Fourier Transformation Fragestellung: Bestimmung der Amplitude eines verrauschten Signals UU =? 2 Fragestellung: Bestimmung der Amplitude eines verrauschten Signals UU =? 3 Frequenz-Spektrum
Mehr13. ABBILDUNGEN EUKLIDISCHEN VEKTORRÄUMEN
13. ABBILDUNGEN in EUKLIDISCHEN VEKTORRÄUMEN 1 Orthogonale Abbildungen im R 2 und R 3. Eine orthogonale Abbildung ist eine lineare Abbildung, die Längen und Orthogonalität erhält. Die zugehörige Matrix
MehrInterpretation: f(x) wird zerlegt als Summe von unendlich vielen Funktionen
C6.3 Fourier-Transformation Entspricht Fourier-Reihe für 'Fourier-Integral' Für endliches L: (C6.1b.3) Für stellt eine kontinuierliche Funktion dar: und Fourier-Summe wird ein Integral: 'Fourier-Transformation'
MehrFaltung, Korrelation, Filtern
Faltung, Korrelation, Filtern Wie beschreibe ich lineare Systeme (z.b. Seismometer) -> Faltung, Konvolution, Dekonvolution? Wie quantifiziere ich die Ähnlichkeit von Zeitreihen (-> Korrelation) Wie quantifiziere
MehrAnwendungen der Fourier-Entwicklung in der Elektrotechnik 1 / 22
Anwendungen der Fourier-Entwicklung in der Elektrotechnik 1 / Unser heutiges Ziel Reaktion eines Netzwerks auf ein periodisches Eingangssignal oder speziell Wie reagiert ein RC-Glied auf periodische Erregung?
MehrEinführung in die Signalverarbeitung
Einführung in die Signalverarbeitung Phonetik und Sprachverarbeitung, 2. Fachsemester, Block Sprachtechnologie I Florian Schiel Institut für Phonetik und Sprachverarbeitung, LMU München Signalverarbeitung
MehrUebungsserie 1.1 Harmonische Signale und Ihre Darstellung
28. September 2016 Elektrizitätslehre 3 Martin Weisenhorn Uebungsserie 1.1 Harmonische Signale und Ihre Darstellung Aufgabe 1. Die nachfolgende Grafik stellt das Oszillogramm zweier sinusförmiger Spannungen
MehrFourier-Reihen und Fourier-Transformation
Fourier-Reihen und Fourier-Transformation Matthias Dreÿdoppel, Martin Koch, Bernhard Kreft 25. Juli 23 Einleitung Im Folgenden sollen dir und die Fouriertransformation erläutert und mit Beispielen unterlegt
MehrUniversität Trier. Fachbereich IV. Wintersemester 2004/2005. Wavelets made easy. Kapitel 2 Mehrdimensionale Wavelets und Anwendungen
Universität Trier Fachbereich IV Wintersemester 2004/2005 Wavelets made easy Kapitel 2 Mehrdimensionale Wavelets und Anwendungen Thomas Queckbörner 16.11.2004 Übersicht des Kapitels: 1. Einführung 2. Zweidimensionale
MehrRationale, irrationale und reelle Zahlen. 4-E Vorkurs, Mathematik
Rationale, irrationale und reelle Zahlen 4-E Vorkurs, Mathematik Rationale Zahlen Der Grund für die Einführung der rationalen Zahlen ist der, dass wir mit ihnen auch Gleichungen der Form q x = p lösen
Mehr4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter
4 Signalverarbeitung 4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
Mehr1 Bestimmung der inversen Matrix
Inhaltsverzeichnis 1 Bestimmung der inversen Matrix Die inverse Matrix A 1 zu einer Matrix A kann nur bestimmt werden, wenn die Determinante der Matrix A von Null verschieden ist. Im folgenden wird die
MehrDieter Lange. Methoden der Signalund Systernanalyse Eine Einfuhrung mit dem Personalcomputer
Dieter Lange Methoden der Signalund Systernanalyse Eine Einfuhrung mit dem Personalcomputer ---Mikrocomputer-Biichef -----------... Mikrocomputer-I nterfacefibel, von G. Schnell und K. Hoyer Mi krocomputerfibel,
MehrKapitel 15 Lineare Gleichungssysteme
Kapitel 15 Lineare Gleichungssysteme Kapitel 15 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 1 / 27 Kapitel 15 Lineare Gleichungssysteme Definition 15.1 (Lineares Gleichungssystem
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
Mehrx 1 Da y nur in der 2.Potenz vorkommt, ist die Kurve achsensymmetrisch zur x-achse.
.6. Klausur Kurs Ma Mathematik Lk Lösung Gegeben ist die Gleichung x y y x. [] Verschaffen Sie sich einen Überblick über den Kurvenverlauf, indem Sie die Kurve auf Asymptoten und waagrechte sowie senkrechte
MehrNachrichtentechnik [NAT] Kapitel 3: Zeitkontinuierliche Systeme. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik
Nachrichtentechnik [NAT] Kapitel 3: Zeitkontinuierliche Systeme Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik Sommersemester 2005 Inhaltsverzeichnis Inhalt Inhaltsverzeichnis 3 Zeitkontinuierliche
MehrVorlesung Regelungstechnik SoSe 2018 PO2008, PO2015, weitere. Univ.-Prof. Dr.-Ing. Dirk Söffker. Ort: MD 162/MC 122 Zeit: Freitag,
Vorlesung Regelungstechnik SoSe 2018 PO2008, PO2015, weitere Univ.-Prof. Dr.-Ing. Ort: MD 162/MC 122 Zeit: Freitag, 16.00 19.00 Uhr Betreuender wiss. Mitarbeiter: Sebastian Wirtz, M.Sc. www.uni-due.de/srs/v-rt.shtml
MehrComputergraphik 1 2. Teil: Bildverarbeitung. Fouriertransformation Ende FFT, Bildrestauration mit PSF Transformation, Interpolation
Computergraphik 1 2. Teil: Bildverarbeitung Fouriertransformation Ende FFT, Bildrestauration mit PSF Transformation, Interpolation LMU München Medieninformatik Butz/Hoppe Computergrafik 1 SS2009 1 2 Repräsentation
Mehr9. Vorlesung Wintersemester
9. Vorlesung Wintersemester 1 Die Phase der angeregten Schwingung Wertebereich: bei der oben abgeleiteten Formel tan φ = β ω ω ω0. (1) ist noch zu sehen, in welchem Bereich der Winkel liegt. Aus der ursprünglichen
MehrSignalprozessoren. Digital Signal Processors VO [2h] , LU 2 [2h]
Signalprozessoren Digital Signal Processors VO [2h] 182.082, LU 2 [2h] 182.084 http://ti.tuwien.ac.at/rts/teaching/courses/sigproz Herbert Grünbacher Institut für Technische Informatik (E182) Herbert.Gruenbacher@tuwien.ac.at
MehrDiskrete Fourier-Transformation und FFT. 1. Die diskrete Fourier-Transformation (DFT) 2. Die Fast Fourier Transform (FFT)
Diskrete Fourier-Transformation und FFT 2. Die Fast Fourier Transform (FFT) 3. Anwendungsbeispiele der DFT 1 Wiederholung: Fourier-Transformation und Fourier-Reihe Fourier-Transformation kontinuierlicher
Mehr3. Diskrete Fourier-Transformation
Vorüberlegung: Die Gleichung λ =0 hat die N verschiedenen Lösungen λ k =e 2 π i k / N,,, Aus λ = (λ λ k ) k =0 folgt durch Koeffizientenvergleich e 2 π i k/ N = λ k =0 Für jede ganze Zahl m gilt m d. h.
MehrFourier-Reihen: Definitionen und Beispiele
Fourier-Reihen: Definitionen und Beispiele Die Fourieranalysis beschäftigt sich mit dem Problem Funktionen in Kosinus und Sinus zu entwickeln. Diese Darstellungen sind in der Mathematik sowie in der Physik
MehrSpektrumanalyse. Inhalt. I. Einleitung 2. II. Hauptteil 2-8
Fachhochschule Aachen Campus Aachen Hochfrequenztechnik Hauptstudium Wintersemester 2007/2008 Dozent: Prof. Dr. Heuermann Spektrumanalyse Erstellt von: Name: Mario Schnetger Inhalt I. Einleitung 2 II.
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2017/18 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler Wintersemester 2017/18 Inhaltsverzeichnis Teil 1 Teil
MehrMathematik III Die Fourier-Transformation in Bildern
Mathematik III Die Fourier-Transformation in Bildern Cornelia Busch D-CHAB 20. Dezember 2018 Eine periodische Funktion f (t)... ... wird zerlegt: f (t) = sin(3t) + cos(5t). f (t) = cos(2t) + sin(3t) +
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2018/19 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2018 Steven Köhler Wintersemester 2018/19 Inhaltsverzeichnis Teil 1 Teil
MehrDigitale Bildverarbeitung (DBV)
Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung
MehrMathe - Lernzettel: Nullstellen, Monotonie und Ableitungen
Mathe - Lernzettel: Nullstellen, Monotonie und Ableitungen Leun4m 29. April 2015 Version: 0 Ich kann nicht für Richtigkeit garantieren! Inhaltsverzeichnis 1 Themenübersicht 1 2 Funktionen und Graphen 2
MehrTransformation - Homogene Koordinaten. y + b )
Transformation - Homogene Koordinaten In der "üblichen" Behandlung werden für die Verschiebung (Translation) und die Drehung (Rotation) verschiedene Rechenvorschriften benutzt - einmal Addition von Vektoren
Mehr1 x. Eine kurze Erinnerung an die Definition der Betragsfunktion:
Wie rechne ich mit Ungleichungen? Die do s und don t s mit Beispielen aus der Miniklausur Lukas Steenvoort Addition und Subtraktion 1 ) Dies funktioniert ähnlich wie bei Gleichungen addieren wir denselben
Mehr2. Quadratische Lagrangefunktionen und Fourierreihe.
0. Einführung Wir haben gerade das klassische Wirkungsprinzip betrachtet, nachdem wir wissen, dass der dynamische Verlauf eines Teilchens in dem Diagramm die Kurve darstellen soll, die die minimale Wirkung
MehrNützliches Hilfsmittel (um Schreiberei zu reduzieren): 'Erweiterte Matrix': Gauß- Verfahren
L5.4 Inverse einer Matrix Ausgangsfrage: Wie löst man ein lineares Gleichungsystem (LSG)? Betrachte n lineare Gleichungen für n Unbekannte: Ziel: durch geeignete Umformungen bringe man das LSG in folgende
MehrMathematik für Ingenieure mit Maple
Thomas Westermann Mathematik für Ingenieure mit Maple Band 2: Differential- und Integralrechnung für Funktionen mehrerer Variablen, gewöhnliche und partielle Differentialgleichungen, Fourier-Analysis Mit
MehrDie üblichen Zahlen. Die Zahlenmengen N, Z, Q, R, C und das Rechnen damit. Andreas Kucher Graz, September 5, 2015
Die Zahlenmengen N, Z, Q, R, C und das Rechnen damit andreas.kucher@uni-graz.at Institute for Mathematics and Scientific Computing Karl-Franzens-Universität Graz Graz, September 5, 2015 Hinweis zu den
MehrLernunterlagen Vektoren in R 2
Die Menge aller reellen Zahlen wird mit R bezeichnet, die Menge aller Paare a 1 a 2 reeller Zahlen wird mit R 2 bezeichnet. Definition der Menge R 2 : R 2 { a 1 a 2 a 1, a 2 R} Ein Zahlenpaar a 1 a 2 bezeichnet
MehrTheorie digitaler Systeme
Theorie digitaler Systeme Vorlesung 6: Impulsantwort und Faltung Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Grundlegende Systemeigenschaften Beispiele führten zu linearen Differenzengleichungen
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 018/19 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de c 018 Steven Köhler Wintersemester 018/19 Inhaltsverzeichnis Teil 1 Teil Teil
MehrDifferentialgleichungen 2. Ordnung
Differentialgleichungen 2. Ordnung 1-E1 1-E2 Einführendes Beispiel Freier Fall Viele Geschichten ranken sich um den schiefen Turm von Pisa: Der Legende nach hat der aus Pisa stammende Galileo Galilei bei
MehrMathematische Grundlagen für die Vorlesung. Differentialgeometrie
Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie
MehrBeispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) = sin(πx) und geben die folgenden Stützstellen und Stützwerte vor:
5 Splineinterpolation Beispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) sin(πx) und geben die folgenden Stützstellen und Stützwerte vor: x i 3 f i Damit ist n 5, h Forderung
MehrDie duale Simplexmethode
Kapitel 0 Die duale Simplexmethode Bei der dualen Simplexmethode ist eine Startlösung oftmals leichter angebbar als bei der Simplexmethode für das ursprüngliche lineare Programm, da man keine Nichtnegativitätsanforderungen
MehrSYS_A - ANALYSIEREN. Statistik. NTB Druckdatum: SYS A. Histogramm (Praxis) Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100
SYS_A - ANALYSIEREN Statistik Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100 Histogramm (Praxis) Realisierung Lage Streuung Zufallsvariable Dichte der Normalverteilung Verteilungsfunktion Fläche
MehrComputergrafik 2: Filtern im Frequenzraum
Computergrafik 2: Filtern im Frequenzraum Prof. Dr. Michael Rohs, Dipl.-Inform. Sven Kratz michael.rohs@ifi.lmu.de MHCI Lab, LMU München Folien teilweise von Andreas Butz, sowie von Klaus D. Tönnies (Grundlagen
MehrAngewandte Mathematik mit Mathcad
JosefTrölß Angewandte Mathematik mit Mathcad Lehr- und Arbeitsbuch Band 1 Einführung in Mathcad Dritte, aktualisierte Auflage SpringerWienNewYork 1. Beschreibung der Oberfläche und Bearbeitung eines Arbeitsblattes
MehrBasiswissen Matrizen
Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)
MehrAddition, Subtraktion und Multiplikation von komplexen Zahlen z 1 = (a 1, b 1 ) und z 2 = (a 2, b 2 ):
Komplexe Zahlen Definition 1. Eine komplexe Zahl z ist ein geordnetes Paar reeller Zahlen (a, b). Wir nennen a den Realteil von z und b den Imaginärteil von z, geschrieben a = Re z, b = Im z. Komplexe
MehrEinleitung 2. 1 Koordinatensysteme 2. 2 Lineare Abbildungen 4. 3 Literaturverzeichnis 7
Sonja Hunscha - Koordinatensysteme 1 Inhalt Einleitung 2 1 Koordinatensysteme 2 1.1 Kartesisches Koordinatensystem 2 1.2 Polarkoordinaten 3 1.3 Zusammenhang zwischen kartesischen und Polarkoordinaten 3
MehrSpektrum zeitdiskreter Signale
Spektrum zeitdiskreter Signale 1 Aufgabenstellung Mithilfe der Fouriertransformation können zeitkontinuierliche Signale in den Frequenzbereich transformiert werden, um die im Signal enthaltenen Frequenzanteile
MehrÜbungsaufgaben Digitale Signalverarbeitung
Übungsaufgaben Digitale Signalverarbeitung Aufgabe 1: Gegeben sind folgende Zahlenfolgen: x(n) u(n) u(n N) mit x(n) 1 n 0 0 sonst. h(n) a n u(n) mit 0 a 1 a) Skizzieren Sie die Zahlenfolgen b) Berechnen
MehrInhalt. Vorwort Einführung 15
FFT- Anwendungen von E. Oran Brigham übersetzt von Seyed Ali Azizi Mit 207 Bildern, 6 Tabellen, 41 Beispielen und 188 Aufgaben sowie Programmen in BASIC R. Oldenbourg Verlag München Wien 1997 Vorwort 11
MehrSpektralanalyse. Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann!
Spektralanalyse Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann! Mit der Spektralanalyse können wir Antworten auf folgende Fragen bekommen:
MehrRunde 9, Beispiel 57
Runde 9, Beispiel 57 LVA 8.8, Übungsrunde 9,..7 Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 3..7 Angabe Seien y, z C N und c, d C N ihre Spektralwerte. Außerdem bezeichne (x k ) k die N - periodische
Mehr(Fast) Fourier Transformation und ihre Anwendungen
(Fast) Fourier Transformation und ihre Anwendungen Johannes Lülff Universität Münster 14.01.2009 Definition Fouriertransformation F (ω) = F [f(t)] (ω) := 1 2π dt f(t)e iωt Fouriersynthese f(t) = F 1 [F
Mehr10 Lineare Gleichungssysteme
ChrNelius : Lineare Algebra I (WS 2004/05) 1 10 Lineare Gleichungssysteme (101) Bezeichnungen: Ein System a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 ( ) a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a
MehrDie Taylorreihe einer Funktion
Kapitel 6 Die Taylorreihe einer Funktion Dieser Abschnitt beschäftigt sich mit Taylorreihen, Taylorpolynomen und der Restgliedabschätzung für Taylorpolynome. Die Taylorreihe einer reellen Funktion ist
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004
4 Signalverarbeitung 4.1! Grundbegriffe 4.2! Frequenzspektren, Fourier-Transformation 4.3! Abtasttheorem: Eine zweite Sicht 4.4! Filter! Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
Mehr1 Zahlentheorie. 1.1 Kongruenzen
3 Zahlentheorie. Kongruenzen Der letzte Abschnitt zeigte, daß es sinnvoll ist, mit großen Zahlen möglichst einfach rechnen zu können. Oft kommt es nicht darauf, an eine Zahl im Detail zu kennen, sondern
MehrGeometrische Deutung linearer Abbildungen
Geometrische Deutung linearer Abbildungen Betrachten f : R n R n, f(x) = Ax. Projektionen z.b. A = 1 0 0 0 1 0 0 0 0 die senkrechte Projektion auf die xy-ebene in R 3. Projektionen sind weder injektiv
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt
Mehr8 Dezimalzahlen und Fehlerfortpflanzung
7 Dezimalzahlen und Fehlerfortpflanzung 29 8 Dezimalzahlen und Fehlerfortpflanzung Lernziele: Konzepte: Dezimalzahlen und Runden Methoden: spezielle Umrechungen Kompetenzen: Einschätzen von Fehlerfortpflanzungen
Mehr2 Periodische, nicht harmonische Signale
Hochfrequenztechnik I Signaldarstellung im Zeit- und Frequenzbereich S/ Harmonische Signale Zeitabhängige Gröÿen, wie z. B. Spannung, Strom oder Feld, sind häug harmonische Gröÿen. Solche sinus- oder kosinusförmigen
MehrSerie 8 - Parametrisierte Kurven
Analysis D-BAUG Dr Meike Akveld HS 05 Serie 8 - Parametrisierte Kurven Geben Sie für die folgenden Bewegungen eines Punktes jeweils eine parametrisierte Darstellung I [0, ] R xt, t yt an Lösung a Geradlinige
Mehr